|
|
课程介绍：5 u( Y- t o$ k! ?1 x/ B
3 s H i0 g1 _) x什么是TensorFlow?
' J1 i+ g4 f! O% {8 ~5 O/ ^7 z4 K! @
) H% I- P. Z: A0 z, v( Q4 _TensorFlow是Google开发的一款神经网络的Python外部的结构包, 也是一个采用数据流图来进行数值计算的开源软件库.TensorFlow 让我们可以先绘制计算结构图, 也可以称是一系列可人机交互的计算操作, 然后把编辑好的Python文件 转换成 更高效的C++, 并在后端进行计算.( x" p& p! V; r: E9 y1 x2 t
$ m) d% G& A; l; X- [
为什么要使用TensorFlow?
- V- n0 F; g. P& i! j; u' }; P' N3 X- O6 W1 ^0 A' k9 O
TensorFlow 无可厚非地能被认定为 神经网络中最好用的库之一. 它擅长的任务就是训练深度神经网络.通过使用TensorFlow我们就可以快速的入门神经网络, 大大降低了深度学习（也就是深度神经网络）的开发成本和开发难度. TensorFlow 的开源性, 让所有人都能使用并且维护, 巩固它. 使它能迅速更新, 提升.' V; h3 i, L, V+ _) }
5 z' q: \* Q! P( T
课程目录：4 s7 [8 r) |1 L$ g
- Z% O- [6 P; ]5 {" I7 c5 ?; F一、Tensorflow 简介5 J. j- w- z, u0 g1 T, x
4 P- @. ^2 r9 C+ k. O1.1 科普: 人工神经网络 VS 生物神经网络
6 A7 y7 V+ ^+ T1.2 什么是神经网络 (Neural Network)
1 d# A- u: [3 I8 H+ h) j1.3 神经网络 梯度下降6 \5 S4 _6 |$ R: ?" x% |
1.4 科普: 神经网络的黑盒不黑2 ?/ q4 k# W6 K+ B- Z: {
1.5 为什么选 Tensorflow?" X6 S8 [; a1 U _
1.6 Tensorflow 安装& E# I( M1 I9 e; c5 u V- K( z- o
1.7 神经网络在干嘛7 t Z. g+ N- y: `, \( I
) N8 m6 |8 t; I* `0 m& J
二、Tensorflow 基础构架$ _9 i9 ^) q# J. a
& e4 c% {8 j# A P& Z7 D2.1 处理结构
: ?* |/ g% Z9 B7 @2 l& U2.2 例子2' G6 P: d1 v/ Q' q; x+ P
2.3 Session 会话控制* h' q! C1 c' @% U7 R
2.4 Variable 变量+ x% n% y$ A2 y$ i! y2 o1 Y" q
2.5 Placeholder 传入值
R+ i2 L7 p9 |, q1 M2.6 什么是激励函数 (Activation Function)
$ B- Y4 |7 l# \" h# y4 X* G7 n2.7 激励函数 Activation Function
( k# z6 A( E) }/ k+ H7 |1 k% x2 h* n' e% W5 M o0 T4 W* L8 _. Q
三、建造我们第一个神经网络
E3 I2 D2 z |: A& [* ]0 x1 n; C b9 I& u: ]9 z- L1 ?- }
3.1 例子3 添加层 def add_layer(). m7 h, j; r9 h$ b
3.2 例子3 建造神经网络
6 @8 \- C6 R( ~% ~3.3 例子3 结果可视化
K, K( l2 `' c9 d: d' J! k; ~& N3.4 加速神经网络训练 (Speed Up Training)
* g6 c3 p8 j# F6 ]( Z. w3.5 优化器 optimizer
+ Z$ s9 s+ w8 O$ M: y! c- T/ {+ @6 e; {' ?9 ?& @) T% B b5 }
四、可视化好助手 Tensorboard+ D/ F# d. r+ @" W7 O r/ W% A
5 W6 V: J1 r# ~2 T# G4.1 Tensorboard 可视化好帮手 1
" s% j: J1 q$ D4 @4.2 Tensorboard 可视化好帮手 2
1 |5 j9 J6 ]( A; ?& R
; R* r& U( z5 z7 J# i3 f五、高阶内容
4 l# a! k4 r+ s8 b. n8 M
: Q0 W) R' C) B) s5 t7 z& w5.1 Classification 分类学习; Z6 ~, p" T" A9 `
5.2 什么是过拟合 (Overfitting)
7 T K" S, N: B$ y) N$ K# C5.3 Dropout 解决 overfitting$ A* i$ C& T' N% |
5.4 什么是卷积神经网络 CNN (Convolutional Neural Network)
8 b: W8 G' T6 H. @5.5 CNN 卷积神经网络 16 }# g) u3 U4 F( C0 S5 C. R
5.6 CNN 卷积神经网络 2
6 ]! \1 [/ K* O3 F/ g; f5 D5.7 CNN 卷积神经网络 3
' t5 n9 k2 ?: Z( G; g5.8 Saver 保存读取
0 l& k" G0 F9 L9 t" M7 M5.9 什么是循环神经网络 RNN (Recurrent Neural Network)
G. \+ l W0 O! K$ G" a5.10 什么是 LSTM 循环神经网络
; k3 f. H1 ~; b' ~* U/ P5.11 RNN 循环神经网络
0 \) s( [6 z& X/ q2 P# P5.12 RNN LSTM 循环神经网络 (分类例子)1 G% B9 i9 I$ z* _- b# a/ {
5.13 RNN LSTM (回归例子)/ w( Y7 A1 S7 B3 b+ h6 a N1 K [
5.14 RNN LSTM (回归例子可视化)* t1 X3 x2 g0 ^! V. g3 M
5.15 什么是自编码 (Autoencoder)
, \6 d' W" D& p4 z% N$ m5.16 自编码 Autoencoder (非监督学习)
* U6 `# J( |4 ]: \% _8 s2 v0 O( a/ ]5.17 scope 命名方法- J i! y U; L* T8 U
5.18 什么是批标准化 (Batch Normalization)
# e- `: i k V, u! w+ A4 }5.19 Batch Normalization 批标准化
: {, l1 i0 C: J- q0 I5.20 Tensorflow 2017 更新) P) x& w3 k1 P. T5 f
5.21 用 Tensorflow 可视化梯度下降
- D% f: l. S% M: h5.22 什么是迁移学习 Transfer Learning
8 x' B: n5 m5 O! w8 c2 O1 q5.23 迁移学习 Transfer Learning
' B& ?4 x3 A2 F# N" I. j" X# V" h4 a' I: U; Q. v6 I5 f
资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见
( Q# E* F# I- w0 m3 N* Q4 o! D/ P3 j4 u$ |: Z
( C8 d, |( a) c
8 T7 O( K$ T$ U( m本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-8 20:45:03
